面向金融欺诈检测的文本数据挖掘：一种深度学习方法
计算与语言
2023-08-09 v1 人工智能
机器学习
摘要
在本报告中，我提出一种深度学习方法，用于执行自然语言处理（以下简称 NLP）二分类任务以分析金融欺诈文本。首先，我检索了港交所（HKEX）新闻中的监管公告与执法公报，以界定欺诈性公司并提取其管理层讨论与分析（MD&A）报告，随后按标签与报告时间对报告中的句子进行组织。我的方法涉及多种神经网络模型，包括带嵌入层的多层感知机、原始循环神经网络（RNN）、长短期记忆网络（LSTM）与门控循环单元（GRU），用于文本分类任务。通过利用这组多样化的模型，我旨在全面比较它们在检测金融欺诈中的准确率。我的结果对金融欺诈检测具有重要意义，因为本工作丰富了深度学习、NLP 与金融交叉领域的研究，并为业界从业者、监管者与研究者在追求更稳健有效的欺诈检测方法时提供了宝贵见解。
引用
@article{arxiv.2308.03800,
title = {Textual Data Mining for Financial Fraud Detection: A Deep Learning Approach},
author = {Qiuru Li},
journal= {arXiv preprint arXiv:2308.03800},
year = {2023}
}